Presto内存管理相关参数设置

背景

之前介绍过Presto内存管理和分配策略，但是那个是0.192版本，详细见：Presto内存管理原理和调优 ，0.201之后内存管理作了新的修改，所以重新简单分析下，然后给出一个配置模板，希望对使用Presto的同学有帮助。

两种内存

Presto里面内存只有2种内存，一种是user memory，另一种是system memory。system memory用于input/output/exchange buffers等，user memory 用于hash join、agg这些。

内存池

0.201之前有3种内存POOL，分别是GENERAL_POOL、RESERVED_POOL及SYSTEM_POOL。但是0.201之后，默认SYSTEM_POOL是不开启的，以下参数控制，默认值为false

1. deprecated.legacy-system-pool-enabled

那SYSTEM_POOL不使用了，这块内存怎么控制呢，去代码里确认了下：

SqlTaskManager#createQueryContext

1. private QueryContext createQueryContext(

2. QueryId queryId,

3. LocalMemoryManager localMemoryManager,

4. NodeMemoryConfig nodeMemoryConfig,

5. LocalSpillManager localSpillManager,

6. GcMonitor gcMonitor,

7. DataSize maxQueryUserMemoryPerNode,

8. DataSize maxQueryTotalMemoryPerNode,

9. DataSize maxQuerySpillPerNode)

10. {

11. if (nodeMemoryConfig.isLegacySystemPoolEnabled()) {

12. Optional<MemoryPool> systemPool = localMemoryManager.getSystemPool();

13. verify(systemPool.isPresent(), "systemPool must be present");

14. return new LegacyQueryContext(

15. queryId,

16. maxQueryUserMemoryPerNode,

17. localMemoryManager.getGeneralPool(),

18. systemPool.get(),

19. gcMonitor,

20. taskNotificationExecutor,

21. driverYieldExecutor,

22. maxQuerySpillPerNode,

23. localSpillManager.getSpillSpaceTracker());

24. }

25.  

26. return new DefaultQueryContext(

27. queryId,

28. maxQueryUserMemoryPerNode,

29. maxQueryTotalMemoryPerNode,

30. localMemoryManager.getGeneralPool(),

31. gcMonitor,

32. taskNotificationExecutor,

33. driverYieldExecutor,

34. maxQuerySpillPerNode,

35. localSpillManager.getSpillSpaceTracker());

36. }

37. }

可以看到systemPool.get()被替换为了localMemoryManager.getGeneralPool()，所以GENERAL_POOL扮演了之前GENERAL_POOL及SYSTEM_POOL的作用，提供user memory和system memory。

说完SYSTEM_POOL，再说下RESERVED_POOL，RESERVED_POOL作用就是当GENERAL_POOL满的时候，将最占用内存的SQL分配到这块内存上来，但是实际使用时，这块内存很少会被使用，原因是， 一般使用Presto的业务是用来SQL提速的，不会使用spill disk功能，第二为了服务的稳定性，会限制最大内存和Kill内存策略，所以会出现查询没有被分配到RESERVED_POOL之前， SQL将会被系统Kill掉。第三是大查询一般会用Spark/Hive替代，所以这块RESERVED_POOL就会浪费掉了，如下图所示：

目前有9个SQL正在查询，都在使用GENERAL_POOL，RESERVED_POOL将会浪费掉。所以对于绝大部分Presto使用者，禁止掉RESERVED_POOL是正确的选择。

新的参数：

1. memory.heap-headroom-per-node

这个内存主要是第三方库的内存分配，无法被统计跟踪，默认值是XMX*0.3。

所以，Presto内存分配只需要考虑GENERAL_POOL及heap-headroom-per-node。

分配方法

既然Presto是一个纯内存OLAP引擎，那肯定不能让查询占用的内存无限大，需要参数控制SQL占用的最大内存，Presto内存管理包括了单机和集群粒度的内存，分别是:

• query.max-memory-per-node: 单个Query在单个Worker上允许的最大user memory

• query.max-total-memory-per-node: 单个Query在单个Worker上允许的最大user memory + system memory

• query.max-memory: 单个Query在整个集群上允许的最大user memory

• query.max-total-memory: 单个Query在整个集群上允许占用的最大user + system memory

而集群query.max-memory由query.initial-hash-partitions控制，默认值为8，那query.max-memroy 一般稍小于query.max-memory-per-node*8即可（考虑到数据倾斜）。

根据代码和上面分析知道：

RESERVED_POOL = query.max-total-memory-per-node

所以新的 GENERAL_POOL = TotalMemory - ReservedPool - memory.heap-headroom-per-node

禁止掉RESERVED_POOL时：

GENERAL_POOL= TotalMemory - memory.heap-headroom-per-node

配置

综上，Presto合适的内存分配配置为如下，假如-Xmx80G，Worker数大于8台：

1. query.max-memory=120GB # 默认为20GB，query.max-memory-per-node * 8 * 0.8 ，倾斜按照0.8算即可

2. query.max-memory-per-node=20GB # 默认值0.1 * XMX，一般线上按照0.25*XMX算，这个最好结合自己并发，如果并发大，大查询多，值最好小一点，稳定性考虑

3. query.max-total-memory-per-node=32GB # 默认值0.3*XMX，一般设置为0.4*XMX

4. experimental.reserved-pool-enabled=false # 不使用RESERVED_POOL

5. memory.heap-headroom-per-node=16GB # 默认0.3*XMX，一般使用的是0.2*XMX

6. query.low-memory-killer.policy=total-reservation-on-blocked-nodes # Kill策略，干掉Blocked的最大查询，GENERAL_POOL满了，防止OOM

比如上面分配后，GENERAL_POOL为80GB - 16GB = 64GB，如下图所示，RESERVED_POOL不再存在。query.max-total-memory默认值为2*query.max-memory，这个参数可以保持默认值即可。